Ako sa nestratiť vo viacerých AI projektoch

Ako si udržať aktuálny stav, rozhodnutia a ďalší krok, keď sa projektový kontext rozdelí medzi chaty, nástroje a dokumenty.

Najprv to fungovalo presne tak, ako som potrebovala.

Codex pomáhal s implementáciou. Claude Code prinášal ďalší pohľad. Fireflies zachytával návrhy úloh zo stretnutí. Jednotlivé chaty si držali kontext konkrétnej témy.

Každý nástroj zvládal svoju časť práce. Pri viacerých projektoch mi však začal chýbať spoločný obraz.

Jedna úloha bola otvorená v chate, trochu inak pomenovaná v projektovom zázname a znovu zachytená zo stretnutia. Niekde vyzerala ako rozpracovaná, inde ako hotová. Ráno som preto opäť zisťovala, čo sa vlastne pohlo a kde som na rade ja.

Tak začal vznikať AI Project Memory – systém projektovej pamäte pre môj osobný project management.

Päť otázok, ktoré potrebujem mať zodpovedané

Celý systém som postupne postavila okolo piatich otázok:

1. Čo sa reálne zmenilo?
2. Čo dnes platí?
3. Čo je zatiaľ iba návrh?
4. Čo potrebuje moje rozhodnutie?
5. Aký je ďalší konkrétny krok?

Keď robím viac vecí naraz, nepotrebujem mať každý detail v hlave. Potrebujem vedieť, kde ho nájdem a nakoľko sa môžem spoľahnúť na aktuálny stav.

Tri vrstvy, ktoré som pridávala postupne

AI Project Memory nevznikol ako hotová aplikácia. Pridávala som jednu vrstvu po druhej podľa toho, kde som sa pri práci zasekávala.

Pod týmto flow zostávajú nástroje, ktoré už používam. Git drží históriu zmien. Markdown uchováva stavy a rozhodnutia. Kontrolné skripty preverujú jasné pravidlá. AI interpretuje význam zmenených podkladov. Dashboard číta existujúce výstupy a operatívne dáta bez ďalšieho AI volania.

Ako vzniká spoločný pohľad

Ranná alebo večerná kontrola najprv prejde všetky registrované projekty. Pri každom určí jeden z troch stavov:

• Updated – projekt sa relevantne zmenil,
• Confirmed no change – projekt bol skontrolovaný bez zmeny,
• Needs confirmation – chýba zdroj, dôkaz alebo jasný stav.

Model detailne číta iba zmenené alebo nejasné projekty. Dostane konkrétny balík podkladov a pripraví návrh rozhodovacieho pohľadu. Pevné kontroly následne overia, či bol zahrnutý každý projekt, či zostali viditeľné medzery v dôkazoch a či sa neprepísal chránený obsah iného nástroja.

Ráno tak vidím, čo sa od poslednej kontroly pohlo, čo zostalo otvorené a ktoré maximálne tri veci potrebujú pozornosť. Detail zostáva pri konkrétnom projekte.

Najväčšie zjednodušenie nebolo v prompte

Prvá verzia vytvárala použiteľné prehľady, ale čítala priveľa. Model opakovane dostával pracovné pokyny, celý register úloh, staré súhrny aj projekty, v ktorých sa nič relevantné nezmenilo.

Časom som preto zúžila vstupy iba na zmenené alebo nejasné projekty. Buildy, pomocné súbory a výstupy predchádzajúcich kontrol sa z rozhodovania vylúčili. Systém zároveň vie rozpoznať, že rovnaký cyklus už prebehol alebo stále beží.

Vtedy sa model vôbec nemusí spustiť.

Pri tomto mi došlo, že optimalizácia AI workflow nezačína iba kratším promptom. Niekedy je najužitočnejším rozhodnutím model nezavolať.

Presnú percentuálnu úsporu zatiaľ neuvádzam. Zmenu architektúry mám overenú, finančný výsledok ešte meriam.

Čo stále potvrdzuje človek

Nový návrh z Fireflies, chatu alebo AI nástroja sa najprv uloží do oddeleného priestoru na kontrolu. Model ho môže porovnať s existujúcimi úlohami a upozorniť na možnú duplicitu.

Prioritu, ownera, termín, hlavný stav alebo potvrdené rozhodnutie však bez kontroly nemení. Človek rozhodne, čo sa má zapísať ako platný stav.

Táto hranica mi pomáha rozlíšiť, čo systém našiel, čo navrhuje a čo už naozaj platí.

Vyberte si podľa toho, čo dnes potrebujete

Chcem si to vyskúšať na jednom projekte

Jednoduchá projektová pamäť: začnite jedným súborom obsahuje hotovú štruktúru PROJECT_MEMORY.md, prompt a test odovzdania medzi dvomi AI nástrojmi.

Chcem vidieť pokročilý setup

Ako som spojila projekty, úlohy a rozhodnutia do jedného dashboardu ukazuje prechod od jednotlivých projektov cez portfóliový pohľad až k lokálnemu read-only dashboardu. Na konci nájdete aj brief, ktorý môžete poslať Codexu alebo Claude a použiť ako začiatok návrhu vlastnej verzie.

Chcem technický detail

AI Project Memory pod kapotou ide hlbšie do kontrolných brán, práce s tokenmi a hraníc medzi modelom, skriptom a človekom.

Čo som si z toho odniesla

AI Project Memory vznikol z potreby nestratiť sa vo vlastnej práci.

Postupne mi došlo, že dobrá projektová pamäť nemusí vedieť všetko. Potrebujem od nej jasný pohľad na to, čo sa pohlo, čo platí, čo čaká na kontrolu a kde som na rade ja.

Ak s tým začínate, vyberte si jeden projekt. Zapíšte pri ňom aktuálny stav, otvorené otázky a jeden ďalší krok. Spoločný portfóliový pohľad pridajte až vo chvíli, keď sa potrebujete orientovať naprieč viacerými projektmi.